GPT-5.6 Sol化身AI研究员：自主完成Luna后训练，加速模型迭代

2026 年 7 月 9 日，OpenAI 披露了 GPT-5.6 系列研发过程中的一项重要进展：旗舰模型 GPT-5.6 Sol 已能够承担部分 AI 研究工作。在研究团队仅给出一个较为模糊的目标后，自主完成了小型模型 GPT-5.6 Luna 的后训练（Post-training）流程。

大模型的角色正从“使用工具”逐步迈向“帮助研发下一代 AI”。

据 OpenAI 介绍，研发人员并没有为 Sol 制定详细的训练方案，而是仅给出了一个“相当不具体（fairly underspecified）”的任务目标。

随后，GPT-5.6 Sol 自主规划训练流程，设计实验、调整策略，并不断根据评测结果优化 Luna 的性能，最终完成了整个后训练过程。

这里所说的“后训练”，并非重新训练整个基础模型，而是在预训练完成之后，通过监督微调（SFT）、强化学习、数据筛选、评测反馈等环节持续优化模型能力。这也是当前大模型研发中最依赖人工经验、成本最高的阶段之一。

按照 OpenAI 的描述，GPT-5.6 Sol 在这一过程中能够分析模型短板、生成训练数据、设计实验方案，并根据测试结果持续迭代优化，而研究人员更多承担设定目标、审核结果和提供算力资源等职责。Sol 已开始承担过去由 AI 研究员完成的大量工程工作。

OpenAI 认为，这代表 AI 正在进入一个新的阶段，不仅能够完成编程、科研和网络安全等复杂任务，还能够参与 AI 本身的研发。在 GPT-5.6 发布时，OpenAI 表示希望利用模型加速 AI 研究（accelerating AI research），提升模型迭代效率，并缩短新模型开发周期。

GPT-5.6 Sol 不是独立研发下一代大模型。整个研发流程仍由 OpenAI 团队负责制定目标、建设训练基础设施、控制实验边界并审核最终结果，Sol 更像是一名具备较强自主性的 AI 研究助手，而非完全独立的研究员。

此次发布的 GPT-5.6 系列包含三款模型：定位旗舰的 Sol、主打日常应用的 Terra，以及成本最低、速度最快的 Luna。

根据 OpenAI 公布的数据，在综合 RSI（Recursive Self-Improvement，递归自我改进） 基准测试中，GPT-5.6 Sol 的得分比 GPT-5.5 高出 16.2 分。在该基准测试的模型排名中，Sol 位居第一，其后依次为 Terra、Luna、GPT-5.5 和 GPT-5.4。

OpenAI 表示，Sol 不仅是性能最强的模型，也是未来承担复杂代理任务和 AI 研究工作的核心模型，而 Luna 则承担低成本、高效率推理任务。